RESET · Divulgación tecnológica · Octubre de 2026
IA y mamografías: apoyo a la lectura, con evidencia y criterio médico
Qué muestran los ensayos MASAI sobre inteligencia artificial en mamografías y cómo interpretar sus resultados sin convertirlos en promesas de diagnóstico.
Del tabú a la detección. Tecnología que ayuda a detectar a tiempo.
Un apoyo para revisar imágenes
En la lectura de mamografías, algunas herramientas de inteligencia artificial resaltan áreas sospechosas y ayudan a organizar qué estudios requieren una revisión más intensa. El profesional interpreta esa información en un proceso clínico. El interés está en comprobar si esa ayuda mejora el trabajo y la detección, con resultados medidos.
Qué mostró MASAI en 2025
El ensayo aleatorizado MASAI se realizó dentro del programa sueco de detección de cáncer de mama. En el análisis publicado en The Lancet Digital Health en 2025, la lectura apoyada por IA detectó 6,4 cánceres por cada 1.000 participantes, frente a 5,0 con doble lectura estándar. El estudio informó un 29% de aumento relativo en la detección y una reducción del 44,2% en la carga de lecturas, sin un aumento estadísticamente significativo de falsos positivos.
El seguimiento de 2026 amplió la evaluación
El análisis publicado en The Lancet en 2026 evaluó los cánceres de intervalo: los diagnosticados entre rondas de detección. La estrategia con IA cumplió el criterio de no inferioridad para esa tasa y mostró mayor sensibilidad con la misma especificidad. Se evaluó un protocolo concreto, con radiólogos y un sistema determinado; los resultados no describen cualquier herramienta de IA.
Cómo leer esos resultados con cuidado
El aumento relativo de detección no significa que la IA tenga un 29% más de precisión para cada persona, ni que ese indicador demuestre por sí mismo más supervivencia. Para trasladar una herramienta a otro entorno hay que evaluar a quién atiende, cómo se integra y qué errores puede producir. Una aplicación general de chat no equivale a un sistema clínico validado para leer mamografías.
Una lección para la transformación digital
Desde la perspectiva de Digital Reset, la adopción responsable necesita evidencia, responsables y seguimiento de resultados. Esa es una lectura de arquitectura tecnológica, no una validación clínica de productos. En «Del tabú a la detección», la invitación es conocer los avances y conversar con el equipo de salud sobre los exámenes y su interpretación.
Fuentes consultadas
Referencias verificadas el 13 de octubre de 2026.